问题标签 [holtwinters]

就像标题所说的那样，无论如何可以从 Holt-winters 预测中获得准确的数字吗？例如，假设我有一个像这样的时间序列对象：

将其存储在变量 hp 中后，我使用 Holt Winters 进行预测：

但是，我需要知道的是 2016/05 年的总数（预计）将是多少。反正有没有得到确切的价值？

顺便说一句，我注意到蓝色（预测）线没有连接到黑色线。这正常吗？或者我应该修复我的代码？

感谢您的阅读。

我有一个时间序列对象calc_visit_ts。我想根据每个模型的 MAPE 值应用最佳拟合时间序列模型。我面临的问题是 MAPE 值 HOLT-WINTER 乘法模型不能以与其他模型相同的方式计算（因为与 相比，它给了我不同的 MAPE 值summary(visit_model_Hw_M)）。

这是我用来对模型执行 MAPE 计算的函数 -

时间序列数据-

确切地表明我的意思-

Holt-Winter 加性图

Holt-Winter 乘法图

问题是summary(visit_model_Hw_M)给出，MAPE = 9.075097 而MAPE_model(visit_model_Hw_M)给出0.001273087是因为乘法模型拟合曲线（数据点），因此使用visit_model_Hw_M$residuals不是计算 MAPE 的合适方法（因为函数试图拟合曲线）。

有没有办法从摘要本身中获取 HOLT-WINTER 乘法的 MAPE 值？或者一种正确估计 HOLT-WINTER 乘法模型的 MAPE 值的方法？

我有一个频率为 52（周）和 104 条记录（2 年数据）的时间序列数据集，我在下面给出了一个样本。

我在 r 中使用 hts 包（链接）

它有一个预测包，我们可以在其中指定一个用户定义的函数，该函数将用于创建预测。我使用了 HoltWinters （在下面的代码中也给出了stlf行创建了一个修改后的函数）

我收到两个错误：

(y, 拟合)中的错误-.default：不一致的数组

另外：警告消息：在 HoltWinters(x) 中：优化困难：错误：ABNORMAL_TERMINATION_IN_LNSRCH

我尝试对返回的fcast变量进行矢量化，但没有帮助。请告诉我哪里出错了。我不能使用ets，因为它不能处理超过 24 的频率，而stl需要超过 2 个周期。

我正在尝试预测 90 种不同的商品和不同的购买日期，数据集的示例如下

如何使用 Holt Winter 和这种使用 R 的数据框获得每个项目的预测值？或者我应该转换数据集的结构以获得预测的每个项目？我发现的瓶颈之一是该表没有提供某些日期的“零”数量。

我有一个频率 = 7 的时间序列数据，如下所示：

每组 region_1,region_2,region_3 都有自己的季节性和趋势。

我正在尝试根据历史数据预测下一周的事件数量。我有 32 个不同国家从 2015 年 1 月 1 日到 2015 年 6 月 30 日的 6 个月历史数据。每个国家都有很多 region_2 和 region_3。我总共有 32,356 个独特的 region_1、region_2、region_3 时间序列。

我有 2 个问题/问题：

1. 问题 - 我面临的问题是，当我在 by() 函数中应用 Holt Winters 时，我收到了警告，但我无法理解它们。对理解它们的任何帮助都非常有帮助

以下是我的代码：

警告信息：

2. 问题 - 我通过多列应用函数的方式是否正确？有没有更好的办法？我基本上希望通过 region_1、region_2、region_3 获得下周的预测数字。我打算为此使用以下代码：

   nw_forecast <- 预测(combo_1_hw,7)

当我通过每个 region_1、region_2、region_3 组合创建时间序列数据时，我可以应用 Holt Winters 函数并进行预测。此方法不可行，因为我的数据集中有 32,356 个唯一组合。

感谢任何帮助谢谢

首先，我已经查阅了这篇文章和这篇文章，但无法让它发挥作用。

我有从28-03-2015到开始的每日数据27-02-2017。我的TS object样子是这样的：

下图显示了每日值：

我还尝试通过以下方式创建每日 ts 对象：

这导致了这个情节：

正如您所看到的，这两个图表完全不同，但是，第一个更准确！

现在，当我尝试使用bvg11_prodsTSHoltWinter <- HoltWinters(bvg11_prod_ts)它时会出现错误：

怎么了？

I am currently encountering a problem with the HoltWinters method implemented in the forecast package. If I use the method for some of my time series I have a larger error (SSE) when I use the Holt Winters with trend than without trend (Single Exponential Smoothing). As I understand, Holt Winters with trend should at least be as good as Holt Winters without trend. Can anybody explain this? I added an example below.

Best wishes,
Chris

我在将这些数据作为 holt-winter 模型的时间序列时遇到了一些问题。我不知道下一步该做什么。

我正在使用 R 中的 HoltWinters 预测包从月度呼叫量数据生成预测。

它在大多数情况下运行良好，但有过度拟合数据的趋势，特别是在有特殊时期的情况下，例如呼叫需求的阶跃变化。

在最近的一个例子中，中间有一个阶跃变化，将 alpha 设置为 0.94，beta 设置为 0，gamma 设置为 0，这会产生一个看起来很奇怪的预测。

这是我一直在使用的 R 脚本

相比之下，如果我将指数平滑参数设置为标准可接受值 - alpha 为 0.2，beta 为 0.1，gamma 为 0.1，我会得到更好看的预测。

我仍然想使用预测的自动拟合部分，但想在 alpha、beta 和 gamma 周围设置一个范围。

我一直在尝试设置自动拟合的限制，以便 alpha 必须在 0.1 和 0.5 之间，gamma 必须在 0.1 和 0.3 之间，gamma 必须在 0.1 和 0.3 之间。

https://stat.ethz.ch/R-manual/R-devel/library/stats/html/HoltWinters.html

看起来这应该可以通过设置

功能，但我无法找到一种方法来成功设置 alpha、beta 和 gamma 的限制以使其正常工作。

有谁知道如何做到这一点？

我正在尝试使用 forecast.holtwinters 函数，当我尝试运行它时：

我收到此错误：

错误：找不到函数“forecast.HoltWinters”

我也试过这个：

但我收到此错误消息：

错误：“forecast.HoltWinters”不是从“命名空间：预测”导出的对象

我使用以下代码查看预测包中的函数列表：

这会返回：

[1] “%>%” “准确度” “Acf” “arfima” “Arima” “arima.errors” “arimaorder” “auto.arima”
[9] “autolayer” “baggedETS” “bats” “bizdays” “bld .mbb.bootstrap" "BoxCox" "BoxCox.lambda" "Ccf"
[17] "checkresiduals" "croston" "CV" "CVar" "dm.test" "dshw" "easter" "ets"
[25] "findfrequency " "预测" "forecast.ets" "Fourier" "fourierf" "gas" "geom_forecast" "GeomForecast"
[33] "getResponse" "ggAcf" "ggCcf" "gghistogram" "gglagchull" "gglagplot" "ggmonthplot" "ggPacf"
[41] “ggseasonplot” “ggsubseriesplot” “ggtaperedacf” “ggtaperedpacf” “ggtsdisplay” “gold” “holt” “hw”
[49] “InvBoxCox” “is.acf” “is.Arima” “is.baggedETS” “是.bats" "is.constant" "is.ets" "is.forecast"
[57] "is.mforecast" "is.nnetar" "is.nnetarmodels" "is.splineforecast" "is.stlm" "ma" " meanf" "monthdays"
[65] "msts" "na.interp" "naive" "ndiffs” “nnetar” “nsdiffs” “Pacf” “剩余”
[73] “rwf” “seasadj” “seasonal” “seasonaldummy” “seasonaldummyf” “seasonplot” “ses” “sindexf”
[81] “snaive” “splinef” “StatForecast” “stlf” “stlm” “taperedacf” “taperedpacf” “taylor”
[89] “tbats” “tbats.components” “thetaf” “trendcycle” “tsclean” “tsCV” “tsdisplay” “tslm”
[97] “tsoutliers” “wineind” “woolyrnq”

有谁知道发生了什么？我以前用过这个，没有任何问题。我正在使用预测版本 8.1。